OPRO

언어 모델에 과거 후보와 점수를 보여 주고 더 나은 후보를 만들게 하는 최적화 기법으로, prompt 자동 개선에 주로 쓰인다.

기사 1편최근 언급

OPRO(Optimization by PROmpting)는 Google DeepMind 연구진이 2023년 논문 'Large Language Models as Optimizers'에서 제안한 최적화 기법이다. 최적화할 문제를 자연어로 설명하고, 지금까지 나온 해와 그 점수를 meta-prompt(prompt를 만들기 위한 prompt)에 담아 언어 모델에 준 뒤 더 높은 점수를 낼 새 해를 만들게 한다. 새 해를 평가해 다시 meta-prompt에 넣는 과정을 반복한다.

대표적인 용도는 prompt 최적화로, 과제의 정확도를 높이는 지시문을 모델이 스스로 찾아내게 한다. 기울기를 계산하지 않고 모델의 출력과 점수만 쓰므로 API로만 접근할 수 있는 모델에도 적용할 수 있다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • prompt 최적화와 가중치 학습, AI agent에 무엇을 먼저 쓸까AI 성능 ·

    OPRO: 과거 지시문과 그 점수를 함께 보여 주고 더 높은 점수를 낼 새 지시문을 쓰게 합니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.